Q:
Hvordan takler chatbots aksenter?
EN:Med fremveksten av nyere og mer sofistikerte chatbots de siste årene, observerer folk i mange bransjer hvordan chatbots går frem, hvordan de tjener fremskritt i interaktiv stemmesvar (IVR), og hvordan det påvirker detaljhandel så vel som mange andre bransjer .
Et av de store relevante spørsmålene er hvordan chatbots har å gjøre med aksenter. Regionale og verdensspråklige aksenter har vært en snublestein for disse teknologiene siden begynnelsen. Spesielt når chatbots var mer rudimentære når det gjaldt naturlige språkbehandlingsalgoritmer, ble de lett forvirret av en aksent som endrer talefonemene betydelig. I dag, med stadig utvikling algoritmer, har chatbots blitt mye mer motstandsdyktige.
Her er noen viktigste måter ingeniører og interessenter har jobbet for å hjelpe chatbots med å håndtere aksenter.
Den første er gjennom målretting. Mange selskaper som arbeider med et mangfoldig klientell, vil sette opp flere systemer - de vil prøve å bevege forbrukere eller andre sluttbrukere mot systemet som samsvarer med dialekten og språket deres, for å unngå problemer på tvers av språk.
Målretting kan imidlertid bare gjøre så mye. En annen viktig måte at selskaper jobber med forfining av chatbot er triangulering - og dette er noe som har hjulpet chatbots til å erobre aksentproblemet.
Triangulering av fonemene er med på å gi mer spesifikke resultater. Tenk på det på denne måten - hvis en chatbot møter stemmen til en innfødt indianer som flyttet til USA og snakker engelsk med en tydelig indisk aksent, vil maskinen måtte håndtere forskjeller, for eksempel den flatere, bredere "a" høres ut som indianere som har indisk språk, har vanskelig for å mestre på engelsk. En chatbot som har større kompleksitet til å isolere fonemer, kan plukke ut problemplassene og mer nøyaktig "diagnostisere" dem slik at den ikke går glipp av hele ordet eller setningen. Det er mer sant for en algoritme enn et menneske: Mange menneskelige lyttere har en tendens til å bli forvirret av noen aksentforskjeller.
Ved å isolere og håndtere fonemene mer i dybden, kan teknologien komme med mer "sanne svar" eller svar, men det er en annen viktig måte at chatbots kan håndtere problemet med å svare på en aksentert stemme - eller et annet "problem".
Når forståelsen er mindre enn full, er en nøkkelfaktor hvordan teknologien reagerer. De mer grunnleggende IVR-chatbotene fra i går var tilbøyelige til å fortsette å si “Jeg beklager, det forsto jeg ikke” om og om igjen. Dagens raffinerte chatbots gir mer sannsynlig iterativ respons, enten eskalerer oppfordringen til et menneske, eller gir delvis svar eller, igjen, forsøker å isolere problemet.
Med målretting, triangulering og god triage, kan chatbots bli mye mer nøyaktig om å håndtere aksenter og andre idiosynkrasier som innringere kan ha. Dette vil revolusjonere verdenen av "virtuelle assistenter" som tidligere har vært mindre enn imponerende for de fleste ulykkelige innringere.
